Microsoft、最良の音声認識モデル「MAI-Transcribe-2」を公開

記事の3ポイント

1. 1

   競合他社を上回る性能と効率性

   同社は新モデルがGemini 3.5 TranscribeやGPT-Transcribeなどの主要競合を凌駕し、Pareto Frontier（最適解の境界）を定義する精度と速度を達成したと発表した。

2. 2

   多言語対応と高精度な評価

   FLEURSベンチマークで60言語平均単語誤り率5.2%を記録し、1位を獲得したほか、Artificial Analysisの精度・遅延指標でも首位に立った。

3. 3

   実用機能を統合した単一モデル

   話者識別（diarization）、設定可能な文字起こしスタイル、単語レベルの時系列データといった機能を1つのモデルで実現し、臨床・法務・アクセシビリティなどの多様な用途に対応する。